Mercredi, 3 octobre 2007
16 h 30
Salle 205 B

La mise en place d'un cube de données géospatiales décisionnelles implique l'intégration et l'agrégation de données provenant de différentes sources géomatiques. Dans un contexte de surabondance et d'hétérogénéité de données géospatiales, il devient impératif d'identifier au préalable les meilleures sources de données à utiliser. Pour cela, la nature des données sources ainsi que l'effort d'intégration et d'agrégation requis pour les adapter aux besoins réels de l'organisation doivent être pris en considération. De nos jours, il n'existe aucune méthode formelle permettant de minimiser l'effort humain lors de la création des cubes de données géospatiales. Comme la production de données géospatiales est une activité complexe, longue et onéreuse, une forte proportion de cubes inclut des données cartographiques produites à l'extérieur de l'organisation, selon des normes et spécifications variées.

Les difficultés typiques qui en découlent incluent notamment :

1. l'intégration de données géospatiales qui sont hétérogènes spatialement soit parce que les données désirées ne sont pas disponibles d'une seule source pour l'ensemble du territoire, soit parce qu'il y a surabondance apparente (ex. routes, rivières, limites politiques) entre plusieurs jeux de données qui sont produits avec des spécifications différentes pour des régions se recouvrant partiellement,
2. la production d'information géospatiale agrégée qui est souvent laborieuse dû aux limitations du processus technique de généralisation cartographique et des modes de production des bases de données à représentations multiples,
3. la grande hétérogénéité temporelle résultant des longs délais requis pour produire les données géospatiales et des fréquences de mises à jour variables chez les producteurs, et
4. l'inexistence d'outil ETL (Extract-Transform-Load) supportant les données géospatiales pour le peuplement de cubes de données.

Il devient donc nécessaire de développer une méthode efficace d'analyse qui mette en adéquation les sources disponibles, les problèmes à résoudre et les ressources de l'organisation (incluant leurs logiciels). Cet article présentera donc la problématique abordée et proposera la méthode SDSS2 -Spatial Decision Support System for Spatial Data Source Selection-.

John-William Cely, Université Laval, Québec, Canada
Yvan Bédard, Canada
Jean Brodeau, Canada
Marc Gervais, Canada